CN111179274A - 地图地面分割方法、装置、计算机设备和存储介质 - Google Patents

地图地面分割方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN111179274A
CN111179274A CN201911397748.9A CN201911397748A CN111179274A CN 111179274 A CN111179274 A CN 111179274A CN 201911397748 A CN201911397748 A CN 201911397748A CN 111179274 A CN111179274 A CN 111179274A
Authority
CN
China
Prior art keywords
point cloud
ground
information
original point
plane
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201911397748.9A
Other languages
English (en)
Other versions
CN111179274B (zh
Inventor
马福龙
刘天瑜
刘明
王鲁佳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Yiqing Innovation Technology Co ltd
Original Assignee
Shenzhen Yiqing Innovation Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Yiqing Innovation Technology Co ltd filed Critical Shenzhen Yiqing Innovation Technology Co ltd
Priority to CN201911397748.9A priority Critical patent/CN111179274B/zh
Publication of CN111179274A publication Critical patent/CN111179274A/zh
Application granted granted Critical
Publication of CN111179274B publication Critical patent/CN111179274B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10044—Radar image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30256—Lane; Road marking
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Navigation (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本申请涉及一种地图地面分割方法、装置、计算机设备和存储介质。所述方法包括：获取车辆在地图中的车辆位置和以车辆位置为中心在第一预设距离范围内的原始点云；确定车辆位置在第二预设距离范围内对应的每个网格平面的拟合地面信息；根据原始点云的位置信息，从拟合地面信息中确定位置对应的网格平面的目标拟合地面信息；根据目标拟合地面信息，确定原始点云的类型；根据原始点云的类型对地图进行地面分割。采用本方案能够地图地面分割准确率。

Description

地图地面分割方法、装置、计算机设备和存储介质
技术领域
本申请涉及计算机技术领域，特别是涉及一种地图地面分割方法、装置、计算机设备和存储介质。
背景技术
随着计算机技术的发展，人工智能技术领域得到快速发展，为了改变人类出行方式与物流模式，出现自动驾驶技术；在自动驾驶领域，通过传感器感知车辆行驶的周围环境，根据传感器的感知结果实现障碍物识别和路径规划和等功能；其中，周围环境中混合了地面、建筑物、树木、车辆等一切可反射激光束的环境因素；在用传感器感知中，激光雷达是目前最稳定且最常用的传感器。
在对车辆行驶的周围环境感知时，需要先对地面进行地面分割，然而，目前地图地面分割技术存在分割准确率低的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高地图地面分割准确率的地图地面分割方法、装置、计算机设备和存储介质。
一种地图地面分割方法，所述方法包括：
获取车辆在地图中的车辆位置和以所述车辆位置为中心在第一预设距离范围内的原始点云；
确定所述车辆位置在第二预设距离范围内对应的每个网格平面的拟合地面信息；
根据所述原始点云的位置信息，从所述拟合地面信息中确定所述车辆位置对应的网格平面的目标拟合地面信息；
根据所述目标拟合地面信息，确定所述原始点云的类型；
根据所述原始点云的类型对所述地图进行地面分割。
在其中一个实施例中，在确定所述车辆位置在第二预设距离范围内对应的每个网格平面的拟合地面信息之前，所述方法还包括：
从所述地图中获取地面点云；
对所述地面点云进行平面拟合，得到拟合地面信息，所述拟合地面信息包括地面点云和所述地面点云对应的法向量。
在其中一个实施例中，所述对所述地面点云进行平面拟合，得到拟合地面信息，包括：
根据预设分辨率对所述地面点云所在的平面进行网格分割，获取至少一个网格平面；
对每个网格平面对应的地面点云进行平面拟合，得到所述每个网格平面对应的拟合地面信息。
在其中一个实施例中，所述根据所述原始点云的位置信息，从所述拟合地面信息中确定所述车辆位置对应的网格平面的目标拟合地面信息，包括：
通过参考坐标系对所述原始点云的位置信息进行坐标转换，得到转换后的位置信息；
根据所述转化后的位置信息从所述拟合地面信息中确定所述位置对应的网格平面的目标拟合地面信息。
在其中一个实施例中，所述根据所述目标拟合地面信息，确定所述原始点云的类型，包括：
从所述目标拟合地面信息中选取预设数量的地面点云；
根据选取的所述地面点云的位置信息和所述地面点云所在网格平面对应的法向量，确定所述原始点云的类型。
在其中一个实施例中，所述根据选取的所述地面点云和所述地面点云所在网格平面对应的法向量，确定所述原始点云的类型，包括：
根据选取的所述地面点云的位置信息和所述法向量，确定所述网格平面对应的平面方程；
根据所述平面方程，计算所述原始点云与所述网格平面之间的距离；
根据所述距离的数值确定所述原始点云的类型。
在其中一个实施例中，所述根据所述距离的数值确定所述原始点云的类型，包括：
当所述距离的数值小于或等于距离阈值时，所述原始点云为地面点云；
当所述距离的数值大于距离阈值时，所述原始点云为非地面点云。
一种地图地面分割装置，所述装置包括：
获取模块，用于获取车辆在地图中的车辆位置和以所述车辆位置为中心在第一预设距离范围内的原始点云；
第一确定模块，用于,确定所述车辆位置在第二预设距离范围内对应的每个网格平面的拟合地面信息；
第二确定模块，用于根据所述原始点云对应的位置信息，从所述拟合地面信息中确定所述车辆位置对应的目标拟合地面信息；
第三确定模块，用于根据所述目标拟合地面信息，确定所述原始点云的类型；
地面分割模块，用于根据所述原始点云的类型对所述高精地图进行地面分割。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取车辆在地图中的车辆位置和以所述车辆位置为中心在第一预设距离范围内的原始点云；
确定所述车辆位置在第二预设距离范围内对应的每个网格平面的拟合地面信息；
根据所述原始点云的位置信息，从所述拟合地面信息中确定所述车辆位置对应的网格平面的目标拟合地面信息；
根据所述目标拟合地面信息，确定所述原始点云的类型；
根据所述原始点云的类型对所述地图进行地面分割。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取车辆在地图中的车辆位置和以所述车辆位置为中心在第一预设距离范围内的原始点云；
确定所述车辆位置在第二预设距离范围内对应的每个网格平面的拟合地面信息；
根据所述原始点云的位置信息，从所述拟合地面信息中确定所述车辆位置对应的网格平面的目标拟合地面信息；
根据所述目标拟合地面信息，确定所述原始点云的类型；
根据所述原始点云的类型对所述地图进行地面分割。
上述地图地面分割方法、装置、计算机设备和存储介质，通过获取车辆在地图中的车辆位置和以车辆位置为中心在第一预设距离范围内的原始点云；确定车辆位置在第二预设距离范围内对应的每个网格平面的拟合地面信息；根据原始点云的位置信息，从拟合地面信息中确定位置对应的网格平面的目标拟合地面信息；根据目标拟合地面信息，确定原始点云的类型；根据原始点云的类型对地图进行地面分割。即根据获取的位置，获取对应的每个网格平面预先拟合好的拟合地面信息，而不是根据位置，去获取实时拟合的地面信息，避免路况、速度等因素对拟合地面信息准确性的影响，直接根据获取的拟合地面信息和原始点云的位置信息确定原始点云的类型，进而对地图进行地面分割，提高了地图地面分割准确率。
附图说明
图1为一个实施例中地图地面分割方法的应用环境图；
图2为一个实施例中地图地面分割方法的流程示意图；
图3为一个实施例中基于地图拟合地面信息的方法的流程示意图；
图4为另一个实施例中地图地面分割方法的流程示意图；
图5为另一个实施例中地图地面分割方法的流程示意图；
图6为一个实施例中地图地面分割装置的结构框图；
图7为另一个实施例中地图地面分割装置的结构框图；
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的地图地面分割方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。终端102通过网络从服务器104获取车辆在地图中的车辆位置和以车辆位置为中心在第一预设距离范围内的原始点云；确定车辆位置在第二预设距离范围内对应的每个网格平面的拟合地面信息；根据原始点云的位置信息，从拟合地面信息中确定车辆位置对应的网格平面的目标拟合地面信息；根据目标拟合地面信息，确定原始点云的类型；根据原始点云的类型对地图进行地面分割。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种地图地面分割方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
步骤202，获取车辆在地图中的车辆位置和以车辆位置为中心在第一预设距离范围内的原始点云。
其中，原始点云是指通过3D(3Dimensions)扫描设备扫描车辆行驶过程中在扫描环境范围内得到的三维空间中的点集合，扫描环境范围与3D扫描设备的自身参数相关。三维空间中的点可以通过以(X，Y，Z)三维坐标的形式来表示；3D扫描设备可以是激光雷达、立体摄像头(stereo camera)等，激光雷达可以包括精确度不同的激光雷达；例如，厘米激光雷达、毫米激光雷达等。可选地，通过激光雷达扫描车辆行驶过程中周围环境得到原始点云；其中，激光雷达线数不同，获取的原始点云个数不一样，例如，当使用16线激光雷达时，可以一共有获取16×2000＝32000个点，其中16代表该激光雷达从上到下一共有16个激光束，2000代表每一个激光束转一圈得到2000个点。第一预设范围是指通过测试获取3D扫描设备获取原始点云的最佳扫描范围。
具体地，终端获取车辆在地图中的位置，通过3D扫描设备扫描车辆行驶的周边环境，获取车辆的位置对应的第一预设距离范围内原始点云。其中，获取的位置可以是基于地图的起始位置为坐标原点建立地图坐标系，获取车辆在地图坐标系中的坐标位置，坐标位置可以通过(X，Y)二维坐标的形式来表示，也可以通过(X，Y，Z)三维坐标的形式来表示；地图可以但不仅限于是高精地图，高精地图中可以包括高精度的坐标、道路定义、交叉路口、交通信号、车道规则以及用于车辆导航的其他元素，例如，准确的道路形状、每个车道的坡度、曲率、航向、高程，侧倾的数据等。
步骤204，确定车辆位置在第二预设距离范围内对应的每个网格平面的拟合地面信息。
其中，第二预设距离范围是指预先设置根据车辆在地图(例如，高精地图)中的位置，可获取位置对应的网格平面的拟合信息的距离范围；例如，第二预设范围可以是车辆所在地图位置前后100×100米对应的正方形区域。拟合地面信息是通过拟合算法对地图中的点云进行拟合得到的拟合地面信息；第二预设距离范围中可以包括至少一个网格平面，每个网格平面对应不同的拟合地面信息。其中，拟合地面信息包括地面点云和地面点云所在网格平面对应的法向量；拟合算法可以但不仅限于是随机采样算法(Random SampleConsensus，Ransac)和平面拟合算法(plane fitting)。
具体地，终端获取车辆在地图中的位置，根据车辆在地图中的位置确定第二预设距离范围内对应的每个网格平面的预先拟合好的拟合地面信息。
步骤206，根据原始点云的位置信息，从拟合地面信息中确定车辆位置对应的网格平面的目标拟合地面信息。
其中，原始点云的位置信息是指3D扫描设备扫描车辆行驶过程中周围环境，获取的原始点云在3D扫描设备对应的坐标系中的坐标位置。可选地，3D扫描设备为激光雷达，每个激光雷达有对应的激光雷达坐标系，通过激光雷达获取的原始点云的位置信息是指原始点云在激光雷达坐标系中坐标，坐标可以是三维坐标。
具体地，终端获取通过3D扫描设备获取的原始点云的位置信息，根据原始点云的位置信息，从根据车辆在地图中的位置确定第二预设距离范围内对应的网格平面中确定对应的目标网格平面，每个网格平面存在对应的拟合地面信息，即可以确定车辆位置对应的网格平面的目标拟合地面信息。
在一个实施例中，终端获取通过3D扫描设备获取的原始点云的位置信息，把获取的原始点云的位置信息进行旋转和平移转换，根据转换后的位置信息，从根据车辆在地图中的位置确定第二预设距离范围内对应的网格平面中确定对应的目标网格平面，每个网格平面存在对应的拟合地面信息，即确定车辆位置对应的网格平面的目标拟合地面信息。
步骤208，根据目标拟合地面信息，确定原始点云的类型。
其中，原始点云的类型可以包括地面点云和非地面点云；地面点云是指3D扫描设备扫描车辆行驶中地面路况得到的三维空间中的点的集合；非地面点云指3D扫描设备扫描车辆行驶中除地面路况外得到的三维空间中的点的集合。目标拟合地面信息中包括地面点云和地面点云所在网格平面对应的法向量。
具体地，终端根据目标拟合地面信息中的地面点云和地面点云所在网格平面对应的法向量，确定原始点云为地面点云还是非地面点云。
步骤210，根据原始点云的类型对地图进行地面分割。
具体地，终端确定原始点云的类型为地面点云时，将地面点云删除；当终端确定原始点云的类型为非地面点云时，将非地面点云进行保存。
上述地图地面分割方法中，通过获取车辆在地图中的车辆位置和以车辆位置为中心在第一预设距离范围内的原始点云；根据车辆位置,确定车辆位置在第二预设距离范围内对应的每个网格平面的拟合地面信息；根据原始点云的位置信息，从拟合地面信息中确定位置对应的网格平面的目标拟合地面信息；根据目标拟合地面信息，确定原始点云的类型；根据原始点云的类型对地图进行地面分割。即根据获取的位置，获取对应的每个网格平面预先拟合好的拟合地面信息，而不是根据位置，去获取实时拟合的地面信息，避免路况、速度等因素对拟合地面信息准确性的影响，直接根据获取的拟合地面信息和原始点云的位置信息确定原始点云的类型，进而对地图进行地面分割，提高了地图地面分割准确率。
在一个实施例中，如图3所示，提供了一种基于地图拟合地面信息的方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
步骤302，从地图中获取地面点云。
具体地，终端可以通过点云数据滤波算法获取地图中的地面点云；其中，点云数据滤波算法包括基于数学形态学的滤波算法、聚类或分割算法、拟合方法、
步骤304，根据预设分辨率对地面点云所在的平面进行网格分割，获取至少一个网格平面。
具体地，预设分辨率是预先设置用于对获取的地面点云所在的平面进行网格切割。例如，预设分辨率是100×100厘米，从获取的地面点云所在的平面的中间线开始进行切割，先垂直中间线每隔100厘米进行分割之后，后平行中间线每隔100厘米进行分割。根据预设分辨率对地面点云所在的平面进行网格分割，可以获取至少一个网格平面。
步骤306，对每个网格平面对应的地面点云进行平面拟合，得到每个网格平面对应的拟合地面信息。
具体地，采用拟合算法对每个网格平面对应的地面点云进行平面拟合，得到每个网格平面对应的拟合地面信息。拟合算法可以但不仅限于是Ransac(Random SampleConsensus)算法和plane fitting算法。可选地，采用Ransac算法是结合特征值法对每个网格平面对应的地面点云进行平面拟合，即从每个网格平面对应的地面点云中获取三个地面点云，当获取的三个地面点云不共线时，根据地面点云的位置信息求解出初始平面，初始平面满足方程关系式：ax+by+cz＝d，其中a，b，c度为方程系数，x，y，z为原始点云三维坐标；根据方程关系式，计算网格平面中其地面点云到初始平面的距离；选取阈值，可选地，阈值为地面点云到初始平面模型距离的标准偏差的2倍；保留距离大于阈值的地面点云，重复前面步骤，选取出距离大于阈值的地面点云，得到含有效地面点云数量最大的平面；采用特征值法对有效地面点云数量最大的平面进行重新估计，得到拟合后的拟合地面信息。
上述基于地图拟合地面信息的方法，通过从地图中获取地面点云，根据预设分辨率对地面点云所在的平面进行网格分割，获取至少一个网格平面，对每个网格平面对应的地面点云进行平面拟合，得到每个网格平面对应的拟合地面信息；通过先对地面点云所在的平面进行网格分割后，对分割后的每个网格平面对应的地面点云进行平面拟合，即通过缩小平面的面积范围进而减少拟合的地面点云，解决了因道路不平坦(如，斜坡)造成的拟合地面信息的不精准问题，同时提高了拟合地面信息的精确度。
在另一个实施例中，如图4所示，提供了一种地图地面分割方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
步骤402，获取车辆在地图中的车辆位置和以车辆位置为中心在第一预设距离范围内的原始点云。
步骤404，确定车辆位置在第二预设距离范围内对应的每个网格平面的拟合地面信息。
步骤406，通过参考坐标系对原始点云的位置信息进行坐标转换，得到转换后的位置信息。
其中，参考坐标系可用于不同坐标系的坐标转换为同一坐标系的坐标。参考坐标系可以是顶雷达坐标系；3D扫描设备可以对应一个单独的坐标系，如激光雷达，激光雷达都有自己的单独的坐标系，每一个雷达采集到的点云的位置信息是以自身的坐标系为准的，车辆在实际行驶过程中，为保准地图的准确性会使用到多个激光雷达，并且雷达位置安装在不同地方就会导致每个雷达的坐标系不一致，所以需要将不同的激光雷达采集的原始点云的位置信息转换到同一个坐标系中。转换的过程可以是对原始点云的位置信息进行旋转平移，即乘以外参矩阵：
Figure BDA0002346763740000091
其中R代表旋转矩阵，T代表平移向量。
具体地，通过参考坐标系对原始点云的位置信息进行坐标转换，得到转换后的位置信息；根据转化后的位置信息从拟合地面信息中确定位置对应的网格平面的目标拟合地面信息。
步骤408，根据转化后的位置信息从拟合地面信息中确定车辆位置对应的网格平面的目标拟合地面信息。
步骤410，从目标拟合地面信息中选取预设数量的地面点云，根据选取的地面点云的位置信息和地面点云所在网格平面对应的法向量，确定原始点云的类型。
其中，预设数量是预先设置从目标拟合地面信息中任意获取一定数量的地面点云。预设数量可以但不仅限于是2或3。原始点云的类型可以包括地面点云和非地面点云。法向量是垂直平面的一个向量。
具体地，终端从目标拟合地面信息中任意选取三个地面点云，根据选取的地面点云的位置信息和地面点云所在网格平面对应的法向量，确定原始点云的类型。
在一个实施例中，根据选取的地面点云和地面点云所在网格平面对应的法向量，确定原始点云的类型，包括：
根据选取的地面点云的位置信息和法向量，确定网格平面对应的平面方程；根据平面方程，计算原始点云与网格平面之间的距离；根据距离的数值确定原始点云的类型。
具体地，从目标拟合地面信息中选取预设数量的地面点云，根据选取的地面点云的位置信息判断选取的地面点云是否共线，当选取的地面点云不共线时，根据选取的地面点云的位置信息确定地面点云所在网格平面所对应的平面方程，例如，从目标拟合地面信息中选取3个不共线的地面点云A(x1，y1,z1)、B(x2，y2,z2)和C(x3，y3,z3),根据A(x1，y1,z1)、B(x2，y2,z2)、C(x3，y3,z3)和法向量n(x0，y0,z0)和平面方程的参考式，确定平面方程的参数，获取网格平面对应的平面方程，例如，平面方程的参考式为ax+by+cz+d＝0，其中a、b、c为方程参数，d为常数，通过求解方程组确定a、b、c、d的数值，获取平面方程。
根据获取的平面方程和原始点云的位置信息，通过点与面之间的计算原理获取原始点云与网格平面之间的距离。例如，原始点云的位置信息为D(x4，y4,z4),平面方程为Ax+By+Cz+D＝0，其中，A、B、C为方程参数，D为常数，原始点云与网格平面之间的距离d:
Figure BDA0002346763740000111
根据距离的数值确定原始点云的类型。根据选取的地面点云的位置信息和法向量，确定网格平面对应的平面方程；根据平面方程，通过求解点到面的距离的计算方式，获取原始点云与网格平面之间的距离，通过距离可以准确判断原始点云的类型。
在一个实施例中，根据距离的数值确定原始点云的类型，包括：
当距离的数值小于或等于距离阈值时，原始点云为地面点云；当距离的数值大于距离阈值时，原始点云为非地面点云。
可选地，终端从目标拟合地面信息中选取预设数量的地面点云，根据选取的地面点云的位置信息判断选取的地面点云是否共线，当选取的地面点云不共线时，根据选取的地面点云的位置信息确定地面点云所在网格平面所对应的平面方程；根据获取的平面方程和原始点云的位置信息，通过点与面之间的计算原理获取原始点云与网格平面之间的距离；当距离的数值小于或等于距离阈值时，原始点云为地面点云；当距离的数值大于距离阈值时，原始点云为非地面点云。通过求解点到面的距离的计算方式，获取原始点云与网格平面之间的距离，通过距离可以准确判断原始点云的类型。
步骤412，根据原始点云的类型对地图进行地面分割。
具体地，终端确定原始点云的类型为地面点云时，将地面点云删除；当终端确定原始点云的类型为非地面点云时，将非地面点云进行保存。
上述地图地面分割方法中，终端获取车辆在地图中的位置和以位置为中心在第一预设距离范围内的原始点云；根据位置,确定位置在第二预设距离范围内对应的每个网格平面的拟合地面信息；通过参考坐标系对原始点云的位置信息进行坐标转换，得到转换后的位置信息；根据转化后的位置信息从拟合地面信息中确定位置对应的网格平面的目标拟合地面信息；从目标拟合地面信息中选取预设数量的地面点云，根据选取的地面点云的位置信息和地面点云所在网格平面对应的法向量，确定原始点云的类型；根据类型对地图进行地面分割。通过考坐标系对原始点云的位置信息进行坐标转换，减少原始点云的位置信息的处理时间，提高了地图地面分割准确率。
在一个实施例中，终端先从地图中获取地面点云；根据预设分辨率对地面点云所在的平面进行网格分割，获取至少一个网格平面；对每个网格平面对应的地面点云进行平面拟合，得到每个网格平面对应的拟合地面信息，拟合地面信息包括地面点云和地面点云对应的法向量；终端获取车辆在地图中的位置和以位置为中心在第一预设距离范围内的原始点云；根据位置,确定位置在第二预设距离范围内对应的每个网格平面的拟合地面信息；通过参考坐标系对原始点云的位置信息进行坐标转换，得到转换后的位置信息；根据转化后的位置信息从拟合地面信息中确定位置对应的网格平面的目标拟合地面信息；从目标拟合地面信息中选取预设数量的地面点云；根据选取的地面点云的位置信息和法向量，确定网格平面对应的平面方程；根据平面方程，计算原始点云与网格平面之间的距离；当距离的数值小于或等于距离阈值时，原始点云为地面点云；当距离的数值大于距离阈值时，原始点云为非地面点云；终端根据原始点云的类型对地图进行地面分割。
在一个实施例中，如图5所示，提供了一种地图地面分割步骤，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
步骤502，从地图中获取地面点云，对地面点云进行平面拟合，得到拟合地面信息。
具体地，终端通过点云数据滤波算法从高精地图中获取地面点云，采用拟合算法对地面点云进行平面拟合，得到拟合地面信息。
步骤504，获取车辆在地图中的车辆位置和以车辆位置为中心在第一预设距离范围内的原始点云。
步骤506，确定车辆位置在第二预设距离范围内对应的每个网格平面的拟合地面信息。
步骤508，通过参考坐标系对原始点云的位置信息进行坐标转换，得到转换后的位置信息；根据转化后的位置信息从拟合地面信息中确定位置对应的网格平面的目标拟合地面信息。
具体地，通过参考坐标系对原始点云的位置信息进行坐标转换，得到转换后的位置信息；根据转化后的位置信息从拟合地面信息中确定位置对应的网格平面的目标拟合地面信息。
步骤510，根据目标拟合地面信息，判断原始点云的类型。
具体地，终端从目标拟合地面信息中选取预设数量的地面点云；根据选取的地面点云的位置信息和法向量，确定网格平面对应的平面方程；根据平面方程，计算原始点云与网格平面之间的距离；根据距离的数值判断原始点云的类型。当距离的数值小于或等于距离阈值时，原始点云为地面点云；当距离的数值大于距离阈值时，原始点云为非地面点云。
步骤512，输出结果。
当原始点云为地面点云时，可以将地面点云从原始点云中删除；当原始点云为非地面点云时，输出非地面点云，非地面点云对应地面的障碍物，如行驶中的车辆、行人等。
上述地图地面分割步骤中，终端先从地图中获取地面点云，对地面点云进行平面拟合，得到拟合地面信息；当终端获取车辆在地图中的位置和以位置为中心在第一预设距离范围内的原始点云时，根据车辆在地图中的位置,确定位置在第二预设距离范围内对应的每个网格平面的拟合地面信息，确定位置对应的拟合地面信息的范围；再通过参考坐标系对原始点云的位置信息进行坐标转换，得到转换后的位置信息；根据转化后的位置信息从拟合地面信息中确定位置对应的网格平面的目标拟合地面信息；根据目标拟合信息中的地面点云和地面点云所在平面的法向量确定网格平面对应的平面方程；根据平面方程，计算原始点云与网格平面之间的距离，根据距离判断原始点云的类型，输出结果。即先根据地图拟合好地面信息，根据车辆在地图中的位置和拟合好的地面信息，判断激光雷达获取的原始点云的类型，分辨出地面点云和非地面点云，进而对地图地面进行切割，提高了地图地面分割准确率和车辆行驶导航的精准性。
应该理解的是，虽然图2-5的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-5中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图6所示，提供了一种地图地面分割装置600，包括：获取模块602、第一确定模块604、第二确定模块606、第三确定模块608和地面分割模块610，其中：
获取模块602，用于获取车辆在地图中的车辆位置和以车辆位置为中心在第一预设距离范围内的原始点云。
第一确定模块604，用于确定车辆位置在第二预设距离范围内对应的每个网格平面的拟合地面信息。
第二确定模块606，用于根据原始点云对应的位置信息，从拟合地面信息中确定车辆位置对应的目标拟合地面信息。
在一个实施例中，第二确定模块606还用于根据转化后的位置信息从拟合地面信息中确定位置对应的网格平面的目标拟合地面信息。
第三确定模块608，用于根据目标拟合地面信息，确定原始点云的类型。
在一个实施例中，第三确定模块608还用于从目标拟合地面信息中选取预设数量的地面点云；根据选取的地面点云的位置信息和地面点云所在网格平面对应的法向量，确定原始点云的类型。
在一个实施例中，第三确定模块608还用于根据距离的数值确定原始点云的类型。
地面分割模块610，用于根据原始点云的类型对高精地图进行地面分割。
上述地图地面分割装置中，通过获取车辆在地图中的位置和以位置为中心在第一预设距离范围内的原始点云；根据位置,确定位置在第二预设距离范围内对应的每个网格平面的拟合地面信息；根据原始点云的位置信息，从拟合地面信息中确定位置对应的网格平面的目标拟合地面信息；根据目标拟合地面信息，确定原始点云的类型；根据类型对地图进行地面分割。即根据获取的位置，获取对应的每个网格平面预先拟合好的拟合地面信息，而不是根据位置，去获取实时拟合的地面信息，避免路况、速度等因素对拟合地面信息准确性的影响，直接根据获取的拟合地面信息和原始点云的位置信息确定原始点云的类型，进而对地图进行地面分割，提高了地图地面分割准确率。
在一个实施例中，如图7所示，提供了一种地图地面分割装置600，除包括获取模块602、第一确定模块604、第二确定模块606、第三确定模块608和地面分割模块610外，还包括拟合模块612、分割模块614、坐标转换模块616、计算模块618和判断模块620，其中：
拟合模块612，用于从地图中获取地面点云，对地面点云进行平面拟合，得到拟合地面信息，拟合地面信息包括地面点云和地面点云对应的法向量。
在一个实施例中，还用于对每个网格平面对应的地面点云进行平面拟合，得到每个网格平面对应的拟合地面信息。
分割模块614，用于根据预设分辨率对地面点云所在的平面进行网格分割，获取至少一个网格平面。
坐标转换模块616，用于通过参考坐标系对原始点云的位置信息进行坐标转换，得到转换后的位置信息。
计算模618，用于根据选取的地面点云的位置信息和法向量，确定网格平面对应的平面方程；根据平面方程，计算原始点云与网格平面之间的距离。
判断模块620，用于判断当距离的数值小于或等于距离阈值时，原始点云为地面点云；当距离的数值大于距离阈值时，原始点云为非地面点云。
在一个实施例中，终端先通过从地图中获取地面点云，分割模块614根据预设分辨率对地面点云所在的平面进行网格分割，获取至少一个网格平面；拟合模块612对每个网格平面对应的地面点云进行平面拟合，得到每个网格平面对应的拟合地面信息，拟合地面信息包括地面点云和地面点云对应的法向量；终端通过获取模块602获取车辆在地图中的车辆位置和以车辆位置为中心在第一预设距离范围内的原始点云；第一确定模块604确定车辆位置在第二预设距离范围内对应的每个网格平面的拟合地面信息；坐标转换模块616通过参考坐标系对原始点云的位置信息进行坐标转换，得到转换后的位置信息；第二确定模块606根据转化后的位置信息从拟合地面信息中确定车辆位置对应的网格平面的目标拟合地面信息；计算模618从目标拟合地面信息中选取预设数量的地面点云，根据选取的地面点云的位置信息和法向量，确定网格平面对应的平面方程；根据平面方程，计算原始点云与网格平面之间的距离；判断模块620判断当距离的数值小于或等于距离阈值时，原始点云为地面点云；当距离的数值大于距离阈值时，原始点云为非地面点云；第三确定模块608根据距离的数值确定原始点云的类型；地面分割模块610根据原始点云的类型对地图进行地面分割。
关于地图地面分割装置的具体限定可以参见上文中对于地图地面分割方法的限定，在此不再赘述。上述地图地面分割装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储点云数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种地图地面分割方法。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取车辆在地图中的车辆位置和以车辆位置为中心在第一预设距离范围内的原始点云；
确定车辆位置在第二预设距离范围内对应的每个网格平面的拟合地面信息；
根据原始点云的位置信息，从拟合地面信息中确定车辆位置对应的网格平面的目标拟合地面信息；
根据目标拟合地面信息，确定原始点云的类型；
根据原始点云的类型对地图进行地面分割。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
在确定车辆位置在第二预设距离范围内对应的每个网格平面的拟合地面信息之前，方法还包括：
从地图中获取地面点云；
对地面点云进行平面拟合，得到拟合地面信息，拟合地面信息包括地面点云和地面点云对应的法向量。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据预设分辨率对地面点云所在的平面进行网格分割，获取至少一个网格平面；
对每个网格平面对应的地面点云进行平面拟合，得到每个网格平面对应的拟合地面信息。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：通过参考坐标系对原始点云的位置信息进行坐标转换，得到转换后的位置信息；
根据转化后的位置信息从拟合地面信息中确定位置对应的网格平面的目标拟合地面信息。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：从目标拟合地面信息中选取预设数量的地面点云；
根据选取的地面点云的位置信息和地面点云所在网格平面对应的法向量，确定原始点云的类型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据选取的地面点云的位置信息和法向量，确定网格平面对应的平面方程；
根据平面方程，计算原始点云与网格平面之间的距离；
根据距离的数值确定原始点云的类型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
当距离的数值小于或等于距离阈值时，原始点云为地面点云；
当距离的数值大于距离阈值时，原始点云为非地面点云。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取车辆在地图中的车辆位置和以车辆位置为中心在第一预设距离范围内的原始点云；
确定车辆位置在第二预设距离范围内对应的每个网格平面的拟合地面信息；
根据原始点云的位置信息，从拟合地面信息中确定车辆位置对应的网格平面的目标拟合地面信息；
根据目标拟合地面信息，确定原始点云的类型；
根据原始点云的类型对地图进行地面分割。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
在确定车辆位置在第二预设距离范围内对应的每个网格平面的拟合地面信息之前，方法还包括：
从地图中获取地面点云；
对地面点云进行平面拟合，得到拟合地面信息，拟合地面信息包括地面点云和地面点云对应的法向量。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据预设分辨率对地面点云所在的平面进行网格分割，获取至少一个网格平面；
对每个网格平面对应的地面点云进行平面拟合，得到每个网格平面对应的拟合地面信息。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
通过参考坐标系对原始点云的位置信息进行坐标转换，得到转换后的位置信息；
根据转化后的位置信息从拟合地面信息中确定位置对应的网格平面的目标拟合地面信息。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
从目标拟合地面信息中选取预设数量的地面点云；
根据选取的地面点云的位置信息和地面点云所在网格平面对应的法向量，确定原始点云的类型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据选取的地面点云的位置信息和法向量，确定网格平面对应的平面方程；
根据平面方程，计算原始点云与网格平面之间的距离；
根据距离的数值确定原始点云的类型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当距离的数值小于或等于距离阈值时，原始点云为地面点云；
当距离的数值大于距离阈值时，原始点云为非地面点云。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种地图地面分割方法，所述方法包括：
获取车辆在地图中的车辆位置和以所述车辆位置为中心在第一预设距离范围内的原始点云；
确定所述车辆位置在第二预设距离范围内对应的每个网格平面的拟合地面信息；
根据所述原始点云的位置信息，从所述拟合地面信息中确定所述车辆位置对应的网格平面的目标拟合地面信息；
根据所述目标拟合地面信息，确定所述原始点云的类型；
根据所述原始点云的类型对所述地图进行地面分割。
2.根据权利要求1所述的方法，其特征在于，在确定所述车辆位置在第二预设距离范围内对应的每个网格平面的拟合地面信息之前，所述方法还包括：
从所述地图中获取地面点云；
对所述地面点云进行平面拟合，得到拟合地面信息，所述拟合地面信息包括地面点云和所述地面点云对应的法向量。
3.根据权利要求2所述的方法，其特征在于，所述对所述地面点云进行平面拟合，得到拟合地面信息，包括：
根据预设分辨率对所述地面点云所在的平面进行网格分割，获取至少一个网格平面；
对每个网格平面对应的地面点云进行平面拟合，得到所述每个网格平面对应的拟合地面信息。
4.根据权利要求1所述的方法，其特征在于，所述根据所述原始点云的位置信息，从所述拟合地面信息中确定所述车辆位置对应的网格平面的目标拟合地面信息，包括：
通过参考坐标系对所述原始点云的位置信息进行坐标转换，得到转换后的位置信息；
根据所述转化后的位置信息从所述拟合地面信息中确定所述位置对应的网格平面的目标拟合地面信息。
5.根据权利要求1至4任意一项所述的方法，其特征在于，所述根据所述目标拟合地面信息，确定所述原始点云的类型，包括：
从所述目标拟合地面信息中选取预设数量的地面点云；
根据选取的所述地面点云的位置信息和所述地面点云所在网格平面对应的法向量，确定所述原始点云的类型。
6.根据权利要求5所述的方法，其特征在于，所述根据选取的所述地面点云和所述地面点云所在网格平面对应的法向量，确定所述原始点云的类型，包括：
根据选取的所述地面点云的位置信息和所述法向量，确定所述网格平面对应的平面方程；
根据所述平面方程，计算所述原始点云与所述网格平面之间的距离；
根据所述距离的数值确定所述原始点云的类型。
7.根据权利要求6所述的方法，其特征在于，所述根据所述距离的数值确定所述原始点云的类型，包括：
当所述距离的数值小于或等于距离阈值时，所述原始点云为地面点云；
当所述距离的数值大于距离阈值时，所述原始点云为非地面点云。
8.一种地图地面分割装置，其特征在于，所述装置包括：
获取模块，用于获取车辆在地图中的车辆位置和以所述位置为中心在第一预设距离范围内的原始点云；
第一确定模块，用于确定所述车辆位置在第二预设距离范围内对应的每个网格平面的拟合地面信息；
第二确定模块，用于根据所述原始点云对应的位置信息，从所述拟合地面信息中确定所述车辆位置对应的目标拟合地面信息；
第三确定模块，用于根据所述目标拟合地面信息，确定所述原始点云的类型；
地面分割模块，用于根据所述原始点云的类型对所述高精地图进行地面分割。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN201911397748.9A 2019-12-30 2019-12-30 地图地面分割方法、装置、计算机设备和存储介质 Active CN111179274B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911397748.9A CN111179274B (zh) 2019-12-30 2019-12-30 地图地面分割方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911397748.9A CN111179274B (zh) 2019-12-30 2019-12-30 地图地面分割方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN111179274A true CN111179274A (zh) 2020-05-19
CN111179274B CN111179274B (zh) 2023-07-14

Family

ID=70650517

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911397748.9A Active CN111179274B (zh) 2019-12-30 2019-12-30 地图地面分割方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN111179274B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112102375A (zh) * 2020-07-22 2020-12-18 广州视源电子科技股份有限公司 一种点云配准可靠性检测的方法、装置、移动智慧设备
CN112329789A (zh) * 2020-10-12 2021-02-05 广州文远知行科技有限公司 点云的提取方法、装置、计算机设备和存储介质
CN112329946A (zh) * 2020-11-10 2021-02-05 广州极飞科技有限公司 地面分割学习模型训练方法、地平面确定方法及相关装置
CN112907689A (zh) * 2020-11-06 2021-06-04 北京完美知识科技有限公司 历史地图的编辑方法及装置、存储介质、计算机设备
CN112950708A (zh) * 2021-02-05 2021-06-11 深圳市优必选科技股份有限公司 一种定位方法、定位装置及机器人
CN113219439A (zh) * 2021-04-08 2021-08-06 广西综合交通大数据研究院 目标主干点云提取方法、装置、设备及计算机存储介质
CN113436336A (zh) * 2021-06-22 2021-09-24 京东鲲鹏(江苏)科技有限公司 地面点云分割方法和装置及自动驾驶车辆

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104392486A (zh) * 2014-11-25 2015-03-04 西安理工大学 一种点云场景重建方法
CN106530380A (zh) * 2016-09-20 2017-03-22 长安大学 一种基于三维激光雷达的地面点云分割方法
US20190025075A1 (en) * 2017-07-21 2019-01-24 Baidu Online Network Technology (Beijing) Co., Ltd Method and device for generating position information of target object
CN109872329A (zh) * 2019-01-28 2019-06-11 重庆邮电大学 一种基于三维激光雷达的地面点云快速分割方法
CN109961440A (zh) * 2019-03-11 2019-07-02 重庆邮电大学 一种基于深度图的三维激光雷达点云目标分割方法
CN110163900A (zh) * 2019-05-31 2019-08-23 北京百度网讯科技有限公司 用于调整点云数据方法和装置
CN110349092A (zh) * 2019-05-27 2019-10-18 香港理工大学深圳研究院 一种点云滤波方法及设备
CN110443786A (zh) * 2019-07-25 2019-11-12 深圳一清创新科技有限公司 激光雷达点云滤波方法、装置、计算机设备和存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104392486A (zh) * 2014-11-25 2015-03-04 西安理工大学 一种点云场景重建方法
CN106530380A (zh) * 2016-09-20 2017-03-22 长安大学 一种基于三维激光雷达的地面点云分割方法
US20190025075A1 (en) * 2017-07-21 2019-01-24 Baidu Online Network Technology (Beijing) Co., Ltd Method and device for generating position information of target object
CN109872329A (zh) * 2019-01-28 2019-06-11 重庆邮电大学 一种基于三维激光雷达的地面点云快速分割方法
CN109961440A (zh) * 2019-03-11 2019-07-02 重庆邮电大学 一种基于深度图的三维激光雷达点云目标分割方法
CN110349092A (zh) * 2019-05-27 2019-10-18 香港理工大学深圳研究院 一种点云滤波方法及设备
CN110163900A (zh) * 2019-05-31 2019-08-23 北京百度网讯科技有限公司 用于调整点云数据方法和装置
CN110443786A (zh) * 2019-07-25 2019-11-12 深圳一清创新科技有限公司 激光雷达点云滤波方法、装置、计算机设备和存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
YUN-JOU LIN等: ""Planar-Based Adaptive Down-Sampling of Point Clouds"" *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112102375B (zh) * 2020-07-22 2024-04-12 广州视源电子科技股份有限公司 一种点云配准可靠性检测的方法、装置、移动智慧设备
CN112102375A (zh) * 2020-07-22 2020-12-18 广州视源电子科技股份有限公司 一种点云配准可靠性检测的方法、装置、移动智慧设备
CN112329789B (zh) * 2020-10-12 2022-05-17 广州文远知行科技有限公司 点云的提取方法、装置、计算机设备和存储介质
CN112329789A (zh) * 2020-10-12 2021-02-05 广州文远知行科技有限公司 点云的提取方法、装置、计算机设备和存储介质
CN112907689A (zh) * 2020-11-06 2021-06-04 北京完美知识科技有限公司 历史地图的编辑方法及装置、存储介质、计算机设备
CN112329946A (zh) * 2020-11-10 2021-02-05 广州极飞科技有限公司 地面分割学习模型训练方法、地平面确定方法及相关装置
CN112950708B (zh) * 2021-02-05 2023-12-15 深圳市优必选科技股份有限公司 一种定位方法、定位装置及机器人
CN112950708A (zh) * 2021-02-05 2021-06-11 深圳市优必选科技股份有限公司 一种定位方法、定位装置及机器人
CN113219439A (zh) * 2021-04-08 2021-08-06 广西综合交通大数据研究院 目标主干点云提取方法、装置、设备及计算机存储介质
CN113219439B (zh) * 2021-04-08 2023-12-26 广西综合交通大数据研究院 目标主干点云提取方法、装置、设备及计算机存储介质
CN113436336A (zh) * 2021-06-22 2021-09-24 京东鲲鹏(江苏)科技有限公司 地面点云分割方法和装置及自动驾驶车辆
WO2022267711A1 (zh) * 2021-06-22 2022-12-29 京东鲲鹏(江苏)科技有限公司 地面点云分割方法和装置及自动驾驶车辆
CN113436336B (zh) * 2021-06-22 2024-01-12 京东鲲鹏(江苏)科技有限公司 地面点云分割方法和装置及自动驾驶车辆

Also Published As

Publication number Publication date
CN111179274B (zh) 2023-07-14

Similar Documents

Publication Publication Date Title
CN111179274B (zh) 地图地面分割方法、装置、计算机设备和存储介质
CN109798903B (zh) 一种从地图数据中获取道路信息的方法及装置
CN109541634B (zh) 一种路径规划方法、装置和移动设备
WO2022099511A1 (zh) 基于点云数据的地面分割方法、装置和计算机设备
CN110443786B (zh) 激光雷达点云滤波方法、装置、计算机设备和存储介质
CN111220993A (zh) 目标场景定位方法、装置、计算机设备和存储介质
CN114930401A (zh) 基于点云的三维重建方法、装置和计算机设备
CN112329789B (zh) 点云的提取方法、装置、计算机设备和存储介质
CN111241224B (zh) 目标距离估计的方法、系统、计算机设备和存储介质
CN112835064B (zh) 一种建图定位方法、系统、终端及介质
CN111353510A (zh) 多传感器目标检测方法、装置、计算机设备和存储介质
Zahs et al. Multi‐temporal 3D point cloud‐based quantification and analysis of geomorphological activity at an alpine rock glacier using airborne and terrestrial LiDAR
CN107782311A (zh) 可移动终端的移动路径规划方法及装置
CN114694106A (zh) 道路检测区域的提取方法、装置、计算机设备和存储介质
CN113822892B (zh) 仿真雷达的评测方法、装置、设备及计算机存储介质
CN114419573A (zh) 动态占据栅格估计方法及装置
US20230182743A1 (en) Method and system for extracting road data and method and system for controlling self-driving car
CN114819135A (zh) 检测模型的训练方法、目标检测方法、装置和存储介质
CN110006432A (zh) 一种基于几何先验信息下的室内机器人快速重定位的方法
CN116630442B (zh) 一种视觉slam位姿估计精度评估方法及装置
CN115542301B (zh) 激光雷达外部参数的校准方法、装置、设备及存储介质
US20210405197A1 (en) GLOBAL LOCALIZATION APPARATUS AND METHOD IN DYNAMIC ENVIRONMENTS USING 3D LiDAR SCANNER
CN111476879A (zh) 一种点云数据的处理方法、终端及存储介质
CN111382767A (zh) 电力线点识别方法、装置、设备、计算机设备和存储介质
CN114676907A (zh) 一种区域地质灾害预警方法、装置、存储介质及设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant